CN111062561A - 面向多目标卫星任务规划的ahp理想目标点求解方法及系统 - Google Patents
面向多目标卫星任务规划的ahp理想目标点求解方法及系统 Download PDFInfo
- Publication number
- CN111062561A CN111062561A CN201911071885.3A CN201911071885A CN111062561A CN 111062561 A CN111062561 A CN 111062561A CN 201911071885 A CN201911071885 A CN 201911071885A CN 111062561 A CN111062561 A CN 111062561A
- Authority
- CN
- China
- Prior art keywords
- satellite
- solution
- tabu
- task
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000011159 matrix material Substances 0.000 claims description 34
- 230000008901 benefit Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 125000002015 acyclic group Chemical group 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003875 gradient-accelerated spectroscopy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明实施方式提供一种面向多目标卫星任务的AHP理想点求解方法及系统,属于卫星的任务规划技术领域。所述方法包括随机生成用于完成多目标卫星任务的方案作为初始解;判断初始解中是否包括重复的观测时间窗;在判断初始解中不包括重复时间窗的情况下,计算在实施初始解的情况下,每颗卫星消耗的总能量;判断总能量是否大于对应的卫星的能量供应总量;在判断总能量小于或等于对应的卫星的能量供应总量的情况下,计算在实施初始解的情况下,每颗卫星的存储容量;判断存储容量是否大于对应的卫星的容量上限;在判断存储容量小于或等于对应的卫星的容量上限的情况下,采用禁忌算法根据初始解确定完成多目标卫星任务的最优规划方案。
Description
技术领域
本发明涉及卫星的任务规划技术领域,具体地涉及一种面向多目标卫星任务规划的AHP理想目标点求解方法及系统。
背景技术
卫星是获取地面图像信息的重要手段,具有观测范围广、成像能力强、不受时间、地域和国界限制等特点,在农业、工业以及军事等多方面具有重要的应用价值。当前,卫星资源日益丰富,但随经济社会的发展,对卫星成像的需求也日趋增多。因此,如何高效、充分利用有限的卫星资源是当前卫星任务规划问题研究的热点。
在卫星任务规划问题中,需要综合考虑卫星任务完成率、任务完成收益、卫星负载均衡等多方面要求,形成满足任务时间窗约束、卫星能量约束、卫星存储约束、卫星侧摆次数约束的任务规划方案,以指导卫星工作,提高卫星利用效率。但当前研究主要集中于基于任务完成收益的任务规划方法研究,对面向多目标的任务规划方法研究较少。
卫星任务规划问题涉及多个方面,不同领域的研究人员分别从不同角度提出了各自的建模方案,主要有数学规划模型、约束满足模型、序列决策模型及基于图论的模型等。如:Baek等将卫星调度问题比作背包问题进行建模,模型中考虑了能量和存储约束,且假设卫星任务之间无冲突,最后由遗传算法求解。Bianchessi等将多星、多轨道、多用户这三个目标体现在卫星调度模型的目标函数。Chen等考虑了多星调度问题,文中假设能量与存储都足够使用,使用混合遗传粒子群算法求解。Li等对卫星对地观测建立了考虑存储与能量约束的整数规划模型,且假设每一个观测任务消耗的能量一样。Wu等对卫星对地观测构建了非循环有向图模型,模型中考虑了观测存储和能量约束,并未考虑下传问题。在数据下传任务调度方面。Chen等建立了数据下传的调度模型,且假设卫星经过一次数传之后存储全部清空。Karapetyan等对数据下传以及考虑应急任务的调度问题进行建模,并仿真试验了Construction heuristic、GRASP、ejection chain algorithm、模拟退火算法、禁忌搜索算法,最后结论得出针对该问题模拟退火算法的求解效率最好。这些模型多是面向约束建立并进行求解的,未考虑对卫星任务规划过程中的多目标进行详细考虑。
发明内容
本发明实施方式的目的是提供一种面向多目标卫星任务规划的AHP理想目标点求解方法及系统,该方法及系统能够更加准确地完成多目标卫星任务的规定方案。
为了实现上述目的,本发明实施方式提供一种面向多目标卫星任务规划的AHP理想目标点求解方法,所述多目标卫星任务包括多个任务,每个所述任务包括观测目标和观测时间窗,所述方法包括:
随机生成用于完成所述多目标卫星任务的方案作为初始解,其中,在所述初始解中,每颗卫星的每个时间窗对应有至多一个所述观测时间窗;
判断所述初始解中是否包括重复的观测时间窗;
在判断所述初始解中不包括重复时间窗的情况下,计算在实施所述初始解的情况下,每颗所述卫星消耗的总能量;
判断所述总能量是否大于对应的所述卫星的能量供应总量;
在判断所述总能量小于或等于对应的所述卫星的能量供应总量的情况下,计算在实施所述初始解的情况下,每颗所述卫星的存储容量;
判断所述存储容量是否大于对应的所述卫星的容量上限;
在判断所述存储容量小于或等于对应的所述卫星的容量上限的情况下,采用禁忌算法根据所述初始解确定完成所述多目标卫星任务的最优规划方案。
可选地,所述禁忌算法的目标函数为公式(1),
value=λ1(f1 *-f1(x))+λ2(f2 *-f2(x))+λ3(f3 *-f3(x)),(1)
其中,λ1、λ2和λ3为权重的值,f1为任务完成收益最大的前提下的第一目标函数,f1 *为所述第一目标函数的最大值,f1(x)为代入当前解后的第一目标函数值,f2为任务完成率最大的前提下的第二目标函数,f2 *为所述第二目标函数的最大值,f2(x)为带入当前解后的第二目标函数值,f3为卫星负载最均衡的前提下的第三目标函数,f3 *为所述第三目标函数的最大值,f3(x)为带入当前解后的第三目标函数值。
可选地,所述方法进一步包括:
采用AHP算法确定所述权重的值。
可选地,所述AHP算法包括:
构建判断矩阵;
计算所述判断矩阵的特征向量;
根据所述特征向量计算所述判断矩阵的最大特征值;
判断所述判断矩阵是否满足一致性检验条件;
在判断所述判断矩阵满足一致性检验条件的情况下,根据所述判断矩阵采用特征根法计算并输出所述权重的值;
在判断所述判断矩阵不满足一致性检验条件的情况下,对所述判断矩阵进行修改,再次计算所述判断矩阵的特征向量并执行所述方法的相应步骤直到所述判断矩阵满足一致性检验条件。
可选地,所述采用禁忌算法根据所述初始解确定完成所述多目标卫星任务的最优规划方案包括:
初始化禁忌列表并将所述初始解作为当前解,其中,初始的所述禁忌列表为空;
采用预设的目标函数判断所述当前解是否收敛;
在判断所述当前解不收敛的情况下,根据所述当前解采用改进型邻域算法生成邻域解以构成候选解集;
判断所述候选解集是否满足所述禁忌算法的特设准则;
在判断所述候选解集满足所述禁忌算法的特设准则的情况下,将满足所述特设准则的解作为当前解,将其余的解加入禁忌列表中以替换最早进入禁忌列表中的解,再次采用预设的目标函数判断所述当前解是否收敛并执行所述方法的相应步骤,直到判断所述当前解收敛;
在判断所述候选解集不满足所述禁忌算法的特设准则的情况下,根据所述禁忌算法的候选解禁忌属性的判断结果来更新所述禁忌列表;
将所述候选解集中的最佳解最为当前解,将其余的解加入禁忌列表中以替换最早进入禁忌列表中的解,再次采用预设的目标函数判断所述当前解是否收敛并执行所述方法的相应步骤,直到判断所述当前解收敛;
在判断所述当前解收敛的情况下,输出所述当前解作为完成所述多目标卫星任务的最优规划方案。
另一方面,本发明还提供一种面向多目标卫星任务规划的AHP理想目标点求解系统,所述系统包括处理器,所述处理器用于执行如上述任一所述的方法。
再一方面,本发明还提供一种存储介质,所述存储介质存储有指令,所述指令用于被机器读取以使得所述机器执行如上述任一所述的方法。
通过上述技术方案,本发明提供的面向多目标卫星任务规划的AHP理想目标点求解方法及系统通过充分考虑多目标间的关系,形成满足任务时间窗约束、卫星能量约束、卫星存储约束的任务规划方案,解决了现有技术中因没有综合考虑多个目标以及多个约束而导致的任务规划方案不合理的技术问题,确保了多目标卫星任务的规划方案的合理性。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施方式,但并不构成对本发明实施方式的限制。在附图中:
图1是根据本发明的一个实施方式的多目标决策模型的示意图;
图2是根据本发明的一个实施方式的面向多目标卫星任务规划的AHP理想目标点求解方法的流程图;
图3是根据本发明的一个实施方式的面向多目标卫星任务规划的AHP理想目标点求解方法的部分流程图;以及
图4是根据本发明的一个实施方式的面向多目标卫星任务规划的AHP理想目标点求解方法的部分流程图。
具体实施方式
以下结合附图对本发明实施方式的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施方式,并不用于限制本发明实施方式。
在本发明实施方式中,在未作相反说明的情况下,使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。
另外,若本发明实施方式中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施方式之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
如图1所示是根据本发明的一个实施方式的面向多目标卫星任务规划的AHP理想目标点求解方法的流程图。其中,该多目标卫星任务包括多个任务或观测任务,每个任务或观测任务可以包括观测目标和观测时间窗。在图1中,该方法可以包括:
在步骤S10中,随机生成用于完成多目标卫星任务的方案作为初始解,其中,在该初始解中,每颗卫星的每个时间窗对应有至多一个观测时间窗。对于该时间窗,可以是卫星能够执行任务的时间段。对于该观测时间窗,可以是该多目标卫星任务中的一个需要执行观测任务的时间段。
在步骤S11中,判断该初始解中是否包括重复的观测时间窗。
在步骤S12中,在判断该初始解中不包括重复时间窗的情况下,计算在实施该初始解的情况下,每颗卫星消耗的总能量。
在判断该初始解中包括重复时间窗的情况下,此时说明该初始解不能完成该多目标卫星任务,因此需要重新返回执行步骤S10。
在步骤S13中,判断总能量是否大于对应的卫星的能量供应总量。
在步骤S14中,在判断总能量小于或等于对应的卫星的能量供应总量的情况下,计算在实施初始解的情况下,每颗卫星的存储容量。
在判断完成任一任务的卫星的总能量小于或等于对应的卫星的能量供应总量的情况下,此时说明该初始解不能完成该多目标卫星任务,因此需要返回执行步骤S10。
在步骤S15中,判断存储容量是否大于对应的卫星的容量上限。
在判断完成任一任务的卫星的存储容量小于或等于对应的卫星的容量上限的情况下,此时说明该初始解不能完成该多目标卫星任务,因此需要返回执行步骤S10。
在该实施方式中,步骤S11至步骤S15也可以采用公式(1)至公式(5)来表示,
max=w1Weight+w2Completion+w3Baload,(1)
其中,max为多目标决策模型,w1、w2和w3为预设的对应权重,Weight表示完成任务的总收益,Completion为表示任务完成率,Nc为完成的观测任务的数量,Number为该多目标卫星任务的观测任务的总数,Baload表示卫星均衡负载,wij表示时间窗选用变量,wij=1表示选用该时间窗,wij=0表示未选用该时间窗,weightij表示第i颗卫星上的第j个时间窗对应的任务的收益,win_starij表示第i颗卫星上的第j个时间窗的开始时间,win_endij表示第i颗卫星上的第j个时间窗对应任务的结束时间,energyij表示在第i颗卫星上的第j个时间窗对应任务的能量消耗,energy_sum表示卫星能够提供的总能量,storeij表示第i颗卫星上的第j个时间窗对应任务的存储容量需求,store_sum表示卫星的星载存储设备的容量上限,m为卫星的数量,n为时间窗的数量,winij为第i个观测时间窗在第j颗卫星上的执行变量,winij=1表示第j颗卫星选择了该观测时间窗,winij=0表示第j颗卫星未选择该观测时间窗,timeij为第i个观测时间窗在第j颗卫星上的执行长度;
在步骤S16中,在判断每个存储容量均小于等于对应的卫星的容量上限的情况下,采用禁忌算法根据初始解确定完成多目标卫星任务的最优方案。其中,对于该禁忌算法,可以是本领域人员所知的多种形式。在本发明的一个示例中,该禁忌算法也可以包括如图2所示出的步骤。在图2中,该禁忌算法可以包括:
在步骤S20中,初始化禁忌列表并将初始解作为当前解。其中,该初始的禁忌列表可以为空。
在步骤S21中,采用预设的目标函数判断当前解是否收敛。其中,该目标函数可以是例如公式(6)所示,
value=λ1(f1 *-f1(x))+λ2(f2 *-f2(x))+λ3(f3 *-f3(x)),(6)
其中,λ1、λ2和λ3为权重的值,f1为任务完成收益最大的前提下的第一目标函数,f1 *为第一目标函数的最大值,f1(x)为代入当前解后的第一目标函数值,f2为任务完成率最大的前提下的第二目标函数,f2 *为第二目标函数的最大值,f2(x)为带入当前解后的第二目标函数值,f3为卫星负载最均衡的前提下的第三目标函数,f3 *为第三目标函数的最大值,f3(x)为带入当前解后的第三目标函数值。
在该实施方式中,公式(6)仅限于补充和解释本发明,并不对本发明的保护范围造成影响。在本发明的同一技术构思下,本领域人员也可以基于实际的多目标卫星任务的条件来区来确定。
在该实施方式中,对于权重λ1、λ2和λ3的确定方式,可以是采用AHP算法来确定。那么,该方法也可以相应地包括采用AHP算法确定该权重的值的步骤。具体地,确定该权重的值的步骤可以如图3所示。在图3中,该方法可以包括:
在步骤S30中,构建判断矩阵。其中,在构建该判断矩阵之前,可以预先建立该多目标卫星任务的层次结构模型,再基于该层次结构模型采用9段标度法来确定判断矩阵中每个元素的重要性赋值。如表1所示,
表1
然后为了避免人为主观因素的影响,可以采用depphi法构造不同目标间的判断矩阵并进行两两比较,从而得到相对评分值,最终得到该判断矩阵。
在步骤S31中,计算该判断矩阵的特征向量。
在步骤S32中,根据特征向量计算判断矩阵的最大特征值。
在步骤S33中,判断判断矩阵是否满足一致性检验条件。
在步骤S34中,在判断该判断矩阵不满足一致性检验条件的情况下,对判断矩阵进行修改,再次计算该判断矩阵的特征向量并执行方法的相应步骤直到判断矩阵满足一致性检验条件。
在步骤S35中,在判断判断矩阵满足一致性检验条件的情况下,根据判断矩阵采用特征根法计算并输出权重λ1、λ2和λ3的值。
在步骤S22中,在判断当前解不收敛的情况下,根据该当前解采用改进型邻域算法生成邻域解以构成候选解集。对于该改进型邻域算法,可以是本领域人员结合初始解的具体形式来确定。
在本发明的一个示例中,考虑到卫星在执行观测任务时,可能还存在某段时间内处于空闲状态,从而能够完成更多的任务,该改进型邻域算法可以是例如向该当前解中插入一个没有安排的新的观测任务(任务)。在该示例中,为了便于对该禁忌算法规模的控制,可以进一步限制插入的任务的范围以及该任务对应的卫星资源的范围。
在本发明的另一个示例中,考虑到卫星在一个时间窗内只能够同时并且采用一个姿态去观测一个观测任务。那么,该改进型邻域算法也可以是例如向替换掉该当前解中的任意至少一个任务。在该示例中,为了便于对该禁忌算法规模的控制,可以进一步限制替换的任务的范围。
在步骤S23中,判断候选解集是否满足禁忌算法的特设准则。
在步骤S24中,在判断该候选解集满足禁忌算法的特设准则的情况下,将满足特设准则的解作为当前解,将其余的解加入禁忌列表中以替换最早进入禁忌列表中的解,再次采用预设的目标函数判断当前解是否收敛并执行方法的相应步骤(即返回执行步骤S21),直到判断当前解收敛。
在步骤S25中,在判断候选解集不满足禁忌算法的特设准则的情况下,根据禁忌算法的候选解禁忌属性的判断结果来更新禁忌列表。
在步骤S26中,将候选解集中的最佳解最为当前解,将其余的解加入禁忌列表中以替换最早进入禁忌列表中的解,再次采用预设的目标函数判断当前解是否收敛并执行方法的相应步骤,直到判断当前解收敛。
在步骤S27中,在判断该当前解收敛的情况下,输出该当前解作为完成多目标卫星任务的最优规划方案。
另一方面,本发明还提供一种面向多目标卫星任务规划的AHP理想目标点求解系统,该系统可以包括处理器,该处理器可以用于执行如上述任一所述的方法。
再一方面,本发明还提供一种存储介质,该存储介质可以存储有指令,该指令可以用于被机器读取以使得该机器执行如上述任一的方法。
通过上述技术方案,本发明提供的面向多目标卫星任务规划的AHP理想目标点求解方法及系统通过充分考虑多目标间的关系,形成满足任务时间窗约束、卫星能量约束、卫星存储约束的任务规划方案,解决了现有技术中因没有综合考虑多个目标以及多个约束而导致的任务规划方案不合理的技术问题,确保了多目标卫星任务的规划方案的合理性。
以上结合附图详细描述了本发明例的可选实施方式,但是,本发明实施方式并不限于上述实施方式中的具体细节,在本发明实施方式的技术构思范围内,可以对本发明实施方式的技术方案进行多种简单变型,这些简单变型均属于本发明实施方式的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施方式方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施方式的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施方式的思想,其同样应当视为本发明实施方式所公开的内容。
Claims (7)
1.一种面向多目标卫星任务规划的AHP理想目标点求解方法,所述多目标卫星任务包括多个任务,每个所述任务包括观测目标和观测时间窗,其特征在于,所述方法包括:
随机生成用于完成所述多目标卫星任务的方案作为初始解,其中,在所述初始解中,每颗卫星的每个时间窗对应有至多一个所述观测时间窗;
判断所述初始解中是否包括重复的观测时间窗;
在判断所述初始解中不包括重复时间窗的情况下,计算在实施所述初始解的情况下,每颗所述卫星消耗的总能量;
判断所述总能量是否大于对应的所述卫星的能量供应总量;
在判断所述总能量小于或等于对应的所述卫星的能量供应总量的情况下,计算在实施所述初始解的情况下,每颗所述卫星的存储容量;
判断所述存储容量是否大于对应的所述卫星的容量上限;
在判断所述存储容量小于或等于对应的所述卫星的容量上限的情况下,采用禁忌算法根据所述初始解确定完成所述多目标卫星任务的最优规划方案。
3.根据权利要求2所述的方法,其特征在于,所述方法进一步包括:
采用AHP算法确定所述权重的值。
4.根据权利要求3所述的方法,其特征在于,所述AHP算法包括:
构建判断矩阵;
计算所述判断矩阵的特征向量;
根据所述特征向量计算所述判断矩阵的最大特征值;
判断所述判断矩阵是否满足一致性检验条件;
在判断所述判断矩阵满足一致性检验条件的情况下,根据所述判断矩阵采用特征根法计算并输出所述权重的值;
在判断所述判断矩阵不满足一致性检验条件的情况下,对所述判断矩阵进行修改,再次计算所述判断矩阵的特征向量并执行所述方法的相应步骤直到所述判断矩阵满足一致性检验条件。
5.根据权利要求1所述的方法,其特征在于,所述采用禁忌算法根据所述初始解确定完成所述多目标卫星任务的最优规划方案包括:
初始化禁忌列表并将所述初始解作为当前解,其中,初始的所述禁忌列表为空;
采用预设的目标函数判断所述当前解是否收敛;
在判断所述当前解不收敛的情况下,根据所述当前解采用改进型邻域算法生成邻域解以构成候选解集;
判断所述候选解集是否满足所述禁忌算法的特设准则;
在判断所述候选解集满足所述禁忌算法的特设准则的情况下,将满足所述特设准则的解作为当前解,将其余的解加入禁忌列表中以替换最早进入禁忌列表中的解,再次采用预设的目标函数判断所述当前解是否收敛并执行所述方法的相应步骤,直到判断所述当前解收敛;
在判断所述候选解集不满足所述禁忌算法的特设准则的情况下,根据所述禁忌算法的候选解禁忌属性的判断结果来更新所述禁忌列表;
将所述候选解集中的最佳解最为当前解,将其余的解加入禁忌列表中以替换最早进入禁忌列表中的解,再次采用预设的目标函数判断所述当前解是否收敛并执行所述方法的相应步骤,直到判断所述当前解收敛;
在判断所述当前解收敛的情况下,输出所述当前解作为完成所述多目标卫星任务的最优规划方案。
6.一种面向多目标卫星任务规划的AHP理想目标点求解系统,其特征在于,所述系统包括处理器,所述处理器用于执行如权利要求1至5任一所述的方法。
7.一种存储介质,其特征在于,所述存储介质存储有指令,所述指令用于被机器读取以使得所述机器执行如权利要求1至5任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911071885.3A CN111062561B (zh) | 2019-11-05 | 2019-11-05 | 面向多目标卫星任务规划的ahp理想目标点求解方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911071885.3A CN111062561B (zh) | 2019-11-05 | 2019-11-05 | 面向多目标卫星任务规划的ahp理想目标点求解方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111062561A true CN111062561A (zh) | 2020-04-24 |
CN111062561B CN111062561B (zh) | 2023-11-28 |
Family
ID=70297658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911071885.3A Active CN111062561B (zh) | 2019-11-05 | 2019-11-05 | 面向多目标卫星任务规划的ahp理想目标点求解方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062561B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111667100A (zh) * | 2020-05-21 | 2020-09-15 | 武汉大学 | 敏捷卫星单轨多点目标立体成像任务规划方法及系统 |
CN112613644A (zh) * | 2020-12-09 | 2021-04-06 | 合肥工业大学 | 多星多站集成调度方法和系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140025230A1 (en) * | 2012-07-17 | 2014-01-23 | Elwha LLC, a limited liability company of the State of Delaware | Unmanned device interaction methods and systems |
CN104050324A (zh) * | 2014-06-23 | 2014-09-17 | 中国人民解放军国防科学技术大学 | 针对单星任务规划问题的数学模型的构建方法及求解方法 |
CN106384169A (zh) * | 2016-09-22 | 2017-02-08 | 合肥工业大学 | 一种基于超启发式算法的卫星任务规划方法 |
CN107239661A (zh) * | 2017-06-05 | 2017-10-10 | 中国电子科技集团公司第五十四研究所 | 一种遥感卫星观测任务规划方法 |
CN107330544A (zh) * | 2017-06-05 | 2017-11-07 | 合肥工业大学 | 一种卫星对地成像任务规划问题处理的方法 |
US20180341894A1 (en) * | 2017-05-24 | 2018-11-29 | Telespazio S.P.A. | Innovative satellite scheduling method based on genetic algorithms and simulated annealing and related mission planner |
CN109492834A (zh) * | 2018-12-26 | 2019-03-19 | 航天恒星科技有限公司 | 基于遗传优化的敏捷卫星任务规划与调度建模方法 |
CN110119887A (zh) * | 2019-04-22 | 2019-08-13 | 合肥工业大学 | 用于选择卫星任务规划方案的方法 |
CN110210700A (zh) * | 2019-04-19 | 2019-09-06 | 中国科学院遥感与数字地球研究所 | 面向应急响应的基于任务优先级的多星动态任务规划方法 |
-
2019
- 2019-11-05 CN CN201911071885.3A patent/CN111062561B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140025230A1 (en) * | 2012-07-17 | 2014-01-23 | Elwha LLC, a limited liability company of the State of Delaware | Unmanned device interaction methods and systems |
CN104050324A (zh) * | 2014-06-23 | 2014-09-17 | 中国人民解放军国防科学技术大学 | 针对单星任务规划问题的数学模型的构建方法及求解方法 |
CN106384169A (zh) * | 2016-09-22 | 2017-02-08 | 合肥工业大学 | 一种基于超启发式算法的卫星任务规划方法 |
US20180341894A1 (en) * | 2017-05-24 | 2018-11-29 | Telespazio S.P.A. | Innovative satellite scheduling method based on genetic algorithms and simulated annealing and related mission planner |
CN107239661A (zh) * | 2017-06-05 | 2017-10-10 | 中国电子科技集团公司第五十四研究所 | 一种遥感卫星观测任务规划方法 |
CN107330544A (zh) * | 2017-06-05 | 2017-11-07 | 合肥工业大学 | 一种卫星对地成像任务规划问题处理的方法 |
CN109492834A (zh) * | 2018-12-26 | 2019-03-19 | 航天恒星科技有限公司 | 基于遗传优化的敏捷卫星任务规划与调度建模方法 |
CN110210700A (zh) * | 2019-04-19 | 2019-09-06 | 中国科学院遥感与数字地球研究所 | 面向应急响应的基于任务优先级的多星动态任务规划方法 |
CN110119887A (zh) * | 2019-04-22 | 2019-08-13 | 合肥工业大学 | 用于选择卫星任务规划方案的方法 |
Non-Patent Citations (3)
Title |
---|
HONGLIANG LI,HONGLIANG LI: "Optimal path planning for multi-target observation of remote sensing satellite", 《2016 IEEE CHINESE GUIDANCE, NAVIGATION AND CONTROL CONFERENCE (CGNCC)》, pages 562 - 566 * |
朱政霖;马广彬;黄鹏;林友明;: "基于任务分解的多星成像规划模型建立与求解", 航天器工程, no. 02, pages 10 - 17 * |
王凌峰;陈兆荣;陈浩;陈宏盛;: "一种基于多目标优化的卫星周期性持续观测任务规划方法", 小型微型计算机系统, no. 06, pages 248 - 253 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111667100A (zh) * | 2020-05-21 | 2020-09-15 | 武汉大学 | 敏捷卫星单轨多点目标立体成像任务规划方法及系统 |
CN111667100B (zh) * | 2020-05-21 | 2023-04-28 | 武汉大学 | 敏捷卫星单轨多点目标立体成像任务规划方法及系统 |
CN112613644A (zh) * | 2020-12-09 | 2021-04-06 | 合肥工业大学 | 多星多站集成调度方法和系统 |
CN112613644B (zh) * | 2020-12-09 | 2022-11-04 | 合肥工业大学 | 多星多站集成调度方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111062561B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bui et al. | Double deep $ Q $-learning-based distributed operation of battery energy storage system considering uncertainties | |
CN111913787B (zh) | 基于遗传算法的成像卫星调度方法和系统 | |
Di Silvestre et al. | A generalized framework for optimal sizing of distributed energy resources in micro-grids using an indicator-based swarm approach | |
Afshar et al. | Optimizing multi-reservoir operation rules: an improved HBMO approach | |
Doerner et al. | Pareto ant colony optimization with ILP preprocessing in multiobjective project portfolio selection | |
Niknam et al. | A new multi-objective reserve constrained combined heat and power dynamic economic emission dispatch | |
Motamedi et al. | A transmission planning framework considering future generation expansions in electricity markets | |
CN109039428B (zh) | 基于冲突消解的中继卫星单址天线调度随机搜索方法 | |
CN109165808A (zh) | 一种电力通信网现场运维工单派发方法 | |
CN111062561B (zh) | 面向多目标卫星任务规划的ahp理想目标点求解方法及系统 | |
Janovsky et al. | Multi-agent simulation framework for large-scale coalition formation | |
Hu et al. | Optimal operation of power systems with energy storage under uncertainty: A scenario-based method with strategic sampling | |
Fang et al. | Dynamic planning of system of systems architecture evolution | |
Seman et al. | Improving energy aware nanosatellite task scheduling by a branch-cut-and-price algorithm | |
CN116345578B (zh) | 基于深度确定性策略梯度的微电网运行优化调度方法 | |
CN111126709B (zh) | 调度出力的确定方法、装置、计算机设备和存储介质 | |
US11481624B2 (en) | Reinforcement learning pulse programming | |
Jalalvand et al. | A multi-objective risk-averse workforce planning under uncertainty | |
Ranjith et al. | A multi objective teacher-learning-artificial bee colony (MOTLABC) optimization for software requirements selection | |
Thenmalar et al. | Solution of firefly algorithm for the economic themal power dispatch with emission constraint in various generation plants | |
CN114841500A (zh) | 基于贪婪的自适应退火合同网算法的卫星任务规划方法 | |
Wang et al. | Automatic Voltage Control of Differential Power Grids Based on Transfer Learning and Deep Reinforcement Learning | |
Pappala et al. | Power system optimization under uncertainties: A PSO approach | |
CN114004065A (zh) | 基于智能算法和环境约束下的变电站工程多目标优化方法 | |
Ding et al. | A multiobjective optimization method for strategic sourcing and inventory replenishment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |